<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_58692005的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_58692005</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_58692005]]></copyright><item><title><![CDATA[LLM辅助的模糊测试的一点思考]]></title><link>https://blog.youkuaiyun.com/m0_58692005/article/details/131624742</link><guid>https://blog.youkuaiyun.com/m0_58692005/article/details/131624742</guid><author>m0_58692005</author><pubDate>Thu, 26 Dec 2024 22:06:29 +0800</pubDate><description><![CDATA[7.对于复杂目标，直接使用LLMS是不太行的，最好利用LLM提取与特定缺陷类型相关的特征或模式。6.在LLM生成过程中存在以下需要克制的地方，如出现幻觉，有限长文本理解能力，语料需求较大。3.大语言模型具有强大的上下文理解和推理能力，可以提取到深层的状态路径。目标程序——>驱动合成——>输入生成——>漏洞检测——>报告。4.大语言模型功能不会干扰流程，以插件方式使用效果良好。这是我第一次写博客，加油努力！2.大语言模型知识库广泛，代码生成能力强。1.模糊测试通过随机测试进行输入。]]></description><category></category></item></channel></rss>